無料OCR — 画像からテキストへの抽出

実例

2,480 × 3,508 ピクセル（300 dpi）のA4スキャンを用意します。「画像の言語」を英語のままにして「テキストを抽出」を押すと、ツールはまず 672 × 960 ピクセルに縮小したコピーで文字を探し、次に 1,357 × 1,920 のコピーから各行を読み取ります。完了後は「信頼度」「行数」「単語数」「文字数」のタイルが表示されます。「検索可能なPDF（.pdf）」を選ぶと、「scan_ocr.pdf」のような名前のファイルが作られ、約 595 × 842 ポイント（A4サイズ）のページに元の画像が置かれ、認識したテキストが透明な状態で重ねられます。初回はラテン文字パックが 7.7 MB、共通の検出モデルが 11.1 MB で、モデルは合計 18.7 MB です。代わりに10ページのスキャンPDFを入れると、1ページあたり30秒という最初の目安から「10ページ · この端末で約5分」と表示されます。

使用する設定と制限事項

• 「テキストを抽出」を押す前に画像の言語を選びましょう。 「画像の言語」メニューには51の言語が文字体系ごとのグループで並び、各グループの見出しにダウンロードサイズが表示されます（例：「ラテン文字 — 7.7 MB」「中国語・日本語 — 15.9 MB」）。同じグループの言語は1つのダウンロードを共有するため、フランス語からポーランド語に切り替えても追加のダウンロードはありません。韓国語、アラビア語、デーヴァナーガリー、タイ語、ギリシャ語、タミル語、テルグ語は、それぞれ専用のパックが必要です。メニューは最初にページの言語を選んだ状態になり、その後はこのブラウザで最後に選んだ言語を記憶します。ヘブライ語には対応しておらず、ページには「ヘブライ語はこのエンジンでは対応していません。」と表示されます。
• ファイルはドロップ、貼り付け、まとめて追加できます。 JPG、PNG、WebP、BMP、PDFファイルに対応しており、スクリーンショットは Ctrl+V で貼り付けられます。複数のファイルをドロップするか「ファイルを追加」を使うと、キューに入り、同じ言語で順番に読み取られます。キューでは「各ファイルの保存形式」として「プレーンテキスト（.txt）」か「検索可能なPDF（.pdf）」を選べ、メニューには「結合した.txtを1つダウンロード」もあります。40メガピクセルを超える画像（たとえば 8,000 × 5,000 ピクセルより大きいもの）は受け付けられません。
• 目的に合った書き出し形式を選びましょう。 「書き出し形式」には「プレーンテキスト（.txt）」「検索可能なPDF（.pdf）」「hOCR 検索可能テキスト（.html）」があります。画像を開いたときはテキスト、PDFを開いたときは検索可能なPDFが最初に選ばれます。検索可能なPDFは元のページ画像をそのまま残し、その上に透明なテキストを重ねるので、PDFビューアーで検索、選択、コピーができます。hOCRは単一の画像でのみ選べます。各行の位置は保持されますが、傾きのない長方形として記録されるため、傾いた行は傾きが失われます。ファイル名は「scan.txt」「scan_ocr.pdf」「scan.hocr.html」のようになります。
• スキャンしたPDFは1ページ約30秒が目安です。「停止して保存」も使えます。 開始前、PDFには1ページ30秒で計算した所要時間の目安が表示されます。2ページ目からは、お使いの端末での実測にもとづく「残り約N分」に切り替わり、「最初の3ページを残して停止」のようなボタンが現れます。押すと実行を終了し、完了したページが保存されて、結果に「途中で停止しました：テキストと検索可能なPDFは10ページ中1〜3ページ分です。」と表示されます。すでに本物のテキストを含むページは「このページには既にテキストが含まれていたため、そのまま保持されました。」と表示され、そのまま残されます。パスワード保護されたPDFは受け付けられません。
• 検出しやすいよう、文字を大きく鮮明に撮影しましょう。 文字検出は、長辺が最大960ピクセルの画像コピーで行われ、小さな画像が拡大されることはありません。そのため、ページ全体を遠くから撮影すると、1文字あたりの情報が少なくなります。必要な部分だけをトリミングし、均一な明かりのもとで正面から撮影してください。認識結果のスコアが50%未満の行は除外されます。実行後に「検出されたテキスト領域を表示」を押すと、プレビュー上に枠が描かれ、どの行が見つかったかを確認できます。手書き文字は今のところ苦手で、とても小さい文字やコントラストの低い印刷は見落とされることがある、とページにも注意書きがあります。
• 何がダウンロードされ、何が端末の外に出ないかを知っておきましょう。 初回の実行では、共通の検出モデルと向き判定モデル（合わせて 11.1 MB）と、お使いの文字種のパックがダウンロードされ、開始前に1回限りのサイズが表示されます。サイト内の別の端末内ツールがすでにキャッシュしている場合を除き、共通の ONNX Runtime エンジンファイルも取得され、そのサイズもこの数字に含まれています。その後はモデルがブラウザーのキャッシュに残り、ページには「モデルはダウンロード済みです。取得するものはありません。」と表示されます。ページのモデルに関する説明のとおり、モデルファイルはサイト自身のサーバーからダウンロードされ、お使いのファイルがアップロードされることはありません。容量を空けたいときは、サイズ付きの「ダウンロード済みモデルを削除」を使ってください。

よくある問題とその解決方法

「その画像は読み込めませんでした。JPG、PNG、WebP のファイルをお試しください。」と表示され、「テキストを抽出」がグレーのままです。

ブラウザーがそのファイルを画像としてデコードできませんでした。ファイルが壊れているか、JPG や PNG の名前でも実際は別の形式の可能性があります。同じファイルで失敗を繰り返さないよう、そのファイルではボタンが無効のままになります。ファイルを削除して別のものを追加してください。画像をJPG、PNG、WebPで保存し直すか、スクリーンショットを撮って貼り付けると読み込めます。開けないPDFでは「このファイルをPDFとして読み込めませんでした。ファイルが壊れているか、PDFではない可能性があります。」と表示されます。

「OCR に失敗しました」と表示されます。

実行が完了する前に止まりました。原因のひとつは、端末上のエンジンから180秒間進捗の合図がなく、ページが停止したと判断した場合です。このタイマーはタブが表示されている時間だけを数えるため、長い処理の間はタブを前面に表示したままにしてください。失敗後はツールがワーカーを破棄するので、「テキストを抽出」を押し直すと新しいワーカーで始まります。繰り返し起きる場合は、画像をトリミングまたは縮小する、PDFを小分けにして実行する、パソコンのブラウザーを試す、などをお試しください。

「テキストが見つかりませんでした。よりくっきりした画像か、文字と背景のコントラストが高い画像でお試しください。」と表示されます。

認識結果が50%以上確かだと判断できる行を、検出モデルが見つけられませんでした。まず「画像の言語」を確認してください。各パックは1つの文字体系向けに作られているため、アラビア語、タイ語、中国語の画像にラテン文字パックを使うのは不適切です。そのうえで、文字の部分をトリミングし、コントラストを上げ、写真をまっすぐに直してください。手書き文字ではこの結果になることがあります。PDFの実行では、どのページにもテキストが得られなかった場合にだけ同じメッセージが表示されるため、すべてのページにすでに本物のテキストがあるPDFでは、このメッセージではなくテキストが得られます。

モデルのボックスに「ダウンロードが停止しました。接続を確認して、もう一度お試しください。」または「お使いの端末はデータ節約が有効なため、ダウンロードを開始していません。」と表示されます。

認識用のファイルを取得できませんでした。接続を確認して「もう一度試す」を押してください。データ節約のメッセージが出ている場合は、データセーバーをオフにするか、Wi-Fi に切り替えてください。ダウンロードが止まった場合は別のメッセージで知らされます。画像はダウンロードの開始前にデコードされるため、読み込めないファイルや大きすぎるファイルで無駄にダウンロードすることはありません。端末のメモリが足りない、またはブラウザーが古いというメッセージが出た場合は、パソコン、または最新の Chrome、Edge、Firefox、Safari をお使いください。

「その画像はブラウザーのタブで処理するには大きすぎます（上限40メガピクセル）。サイズを小さくしてもう一度お試しください。」または「このPDFのあるページはブラウザーのタブで描画するには大きすぎます。」と表示されます。

画像が4,000万ピクセルを超えており、ブラウザーのタブで安全に処理できる範囲を超えています。この確認はダウンロードの前に行われます。画像編集ソフトでサイズを変更またはトリミングしてから追加し直すか、カメラの解像度を下げて撮影してください。1,200万画素のスマートフォン写真なら上限に十分収まります。PDFの場合、このメッセージは1ページが非常に大きい（数メートル四方など）ことを意味します。先にもっと小さい用紙サイズで書き出してください。キューでは、そのファイルに「読み込むには画像が大きすぎます」と表示されます。

比較

PDFにすでに選択できるテキストがある場合、OCRはまったく不要です。ツールがそれを検知して、該当ページをそのまま残します。スキャンや写真の場合、ここでの認識は端末のプロセッサーで実行されるため、文字の多いページで約30秒かかり、スマートフォンではさらに遅くなります。他のOCRソフトのほうが速いこともあります。このツールは文字の行を見つけて読み順に返すだけで、表、段組み、フォントの再現は行わないため、2段組みのページでは両方の段の行が混ざることがあります。その代わりに、検索可能なPDFの出力、51言語への対応、そしてファイルがアップロードされないことを提供します。